CN109164026A - 岩石渗流能力评价方法及装置 - Google Patents
岩石渗流能力评价方法及装置 Download PDFInfo
- Publication number
- CN109164026A CN109164026A CN201810823530.4A CN201810823530A CN109164026A CN 109164026 A CN109164026 A CN 109164026A CN 201810823530 A CN201810823530 A CN 201810823530A CN 109164026 A CN109164026 A CN 109164026A
- Authority
- CN
- China
- Prior art keywords
- venturi
- distribution
- throat
- network
- core network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000011435 rock Substances 0.000 title claims abstract description 98
- 238000005325 percolation Methods 0.000 title claims abstract description 58
- 238000011156 evaluation Methods 0.000 title claims abstract description 27
- 238000009826 distribution Methods 0.000 claims abstract description 108
- 239000011148 porous material Substances 0.000 claims abstract description 75
- 238000004458 analytical method Methods 0.000 claims abstract description 31
- 238000000605 extraction Methods 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000002591 computed tomography Methods 0.000 claims abstract description 19
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 4
- 239000004744 fabric Substances 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000037361 pathway Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 13
- 230000035699 permeability Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 4
- 210000000867 larynx Anatomy 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 239000011800 void material Substances 0.000 description 4
- 235000013399 edible fruits Nutrition 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000004575 stone Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
- G01N15/088—Investigating volume, surface area, size or distribution of pores; Porosimetry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
- G01N23/046—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material using tomography, e.g. computed tomography [CT]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/40—Imaging
- G01N2223/401—Imaging image processing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/60—Specific applications or type of materials
- G01N2223/616—Specific applications or type of materials earth materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/60—Specific applications or type of materials
- G01N2223/649—Specific applications or type of materials porosity
Landscapes
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Dispersion Chemistry (AREA)
- Pulmonology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Radiology & Medical Imaging (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明提供了一种岩石渗流能力评价方法及装置，该方法包括：利用微米CT扫描岩心样品得到扫描图像；识别出该扫描图像中的孔隙图像；利用该孔隙图像进行孔隙网络提取，并利用提取的孔隙网络建立孔隙和喉道的三维网络模型；对该孔隙和喉道的三维网络模型进行数学统计分析，得到喉道数分布、孔隙尺寸分布及喉道尺寸分布；根据该喉道数分布、所述孔隙尺寸分布及所述喉道尺寸分布得到主干网络、该主干网络的喉道数及喉道统计信息；结合该主干网络、该主干网络的喉道数及该喉道统计信息评价所述岩心样品的岩石渗流能力。本发明利用网络模型能够快速准确评价岩心的渗流能力。
Description
技术领域
本发明涉及石油开发技术领域，尤其涉及一种岩石渗流能力评价方法及装置。
背景技术
岩石渗流能力多是由渗透率来评价，反映的是宏观信息。岩石的孔隙结构决定了岩石的渗流特性，现有技术利用毛管压力曲线方法，可以通过压力和半径的换算关系得到岩石孔喉分布信息，反演出岩石主流喉道半径、渗透率贡献率等渗流特性参数。但是，此技术基于虚拟的孔喉结构信息，无法反映直观的连通性等；同时，由于部分微米纳米尺度的孔隙半径对应巨大的毛管压力值，现有实验仪器和条件无法满足，得到的实验结果无法准确反映岩心的渗流能力。
发明内容
本发明提供一种岩石渗流能力评价方法及装置，以快速准确评价岩心的渗流能力。
本发明实施例提供一种岩石渗流能力评价方法，包括：利用微米CT扫描岩心样品，得到所述岩心样品的扫描图像；识别出所述扫描图像中的孔隙图像；利用所述孔隙图像进行孔隙网络提取，并利用提取的孔隙网络建立孔隙和喉道的三维网络模型；对所述孔隙和喉道的三维网络模型进行数学统计分析，得到喉道数分布、孔隙尺寸分布及喉道尺寸分布；根据所述喉道数分布、所述孔隙尺寸分布及所述喉道尺寸分布判断得到主干网络和所述主干网络的喉道数；利用所述喉道数分布、所述孔隙尺寸分布及所述喉道尺寸分布进行喉道特征分析，得到喉道统计信息；结合所述主干网络、所述主干网络的喉道数及所述喉道统计信息评价所述岩心样品的岩石渗流能力。
本发明实施例还提供一种岩石渗流能力评价装置，包括：图像扫描单元，用于：利用微米CT扫描岩心样品，得到所述岩心样品的扫描图像；图像识别单元，用于：识别出所述扫描图像中的孔隙图像；网络建立单元，用于：利用所述孔隙图像进行孔隙网络提取，并利用提取的孔隙网络建立孔隙和喉道的三维网络模型；分布统计单元，用于：对所述孔隙和喉道的三维网络模型进行数学统计分析，得到喉道数分布、孔隙尺寸分布及喉道尺寸分布；信息提取单元，用于：根据所述喉道数分布、所述孔隙尺寸分布及所述喉道尺寸分布判断得到主干网络和所述主干网络的喉道数；利用所述喉道数分布、所述孔隙尺寸分布及所述喉道尺寸分布进行喉道特征分析，得到喉道统计信息；渗流评价单元，用于：结合所述主干网络、所述主干网络的喉道数及所述喉道统计信息评价所述岩心样品的岩石渗流能力。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述各实施例所述方法的步骤。
本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述各实施例所述方法的步骤。
本发明的岩石渗流能力评价方法、岩石渗流能力评价装置、计算机可读存储介质及计算机设备，通过利用微米CT扫描得到岩心样品的扫描图像，并识别出所述扫描图像中的孔隙图像，能够得到真实无损的孔隙和喉道的三维网络模型。通过对所述孔隙和喉道的三维网络模型进行数学统计分析，得到喉道数分布、孔隙尺寸分布及喉道尺寸分布，并根据所述喉道数分布、所述孔隙尺寸分布及所述喉道尺寸分布得到主干网络、主干网络的喉道数以及喉道统计信息，能够实现对孔隙网络结构特征参数与岩石渗流能力的匹配，从而实现快速准确评价岩石渗流能力。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1是本发明一实施例的岩石渗流能力评价方法的流程示意图；
图2是本发明一实施例中识别出扫描图像中的孔隙图像的方法流程示意图；
图3是本发明一实施例的CT扫描灰度图；
图4是根据图3所示CT扫描灰度图得到的二值化图像；
图5是本发明一实施例的提取的孔隙网络；
图6是根据图5的孔隙网络建立的孔隙和喉道的三维网络模型；
图7至图9分别是利用本发明实施例的岩石渗流能力评价方法得到的长庆、大庆、新疆的岩心的三维灰度图像；
图10至图12分别是图7至图9所示三维灰度图像的二值化图像；
图13和图14是利用本发明实施例的方法得到的长庆岩心的喉道特征统计分析结果；
图15和图16是利用本发明实施例的方法得到的大庆岩心的喉道特征统计分析结果；
图17和图18是利用本发明实施例的方法得到的新疆岩心的喉道特征统计分析结果；
图19是本发明一实施例的岩石渗流能力评价装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
图1是本发明一实施例的岩石渗流能力评价方法的流程示意图。如图1所示，本实施例的岩石渗流能力评价方法，可包括：
步骤S110：利用微米CT扫描岩心样品，得到所述岩心样品的扫描图像；
步骤S120：识别出所述扫描图像中的孔隙图像；
步骤S130：利用所述孔隙图像进行孔隙网络提取，并利用提取的孔隙网络建立孔隙和喉道的三维网络模型；
步骤S140：对所述孔隙和喉道的三维网络模型进行数学统计分析，得到喉道数分布、孔隙尺寸分布及喉道尺寸分布；
步骤S150：根据所述喉道数分布、所述孔隙尺寸分布及所述喉道尺寸分布判断得到主干网络和所述主干网络的喉道数；利用所述喉道数分布、所述孔隙尺寸分布及所述喉道尺寸分布进行喉道特征分析，得到喉道统计信息；
步骤S160：结合所述主干网络、所述主干网络的喉道数及所述喉道统计信息评价所述岩心样品的岩石渗流能力。
在上述步骤S110中，若要评价一种岩石的渗流能力，可以将该种岩石的岩心样品装入微米CT中进行扫描，获得该种岩石的岩心样品的扫描图像。该微米CT的扫描分辨率为微米级可以无损获取岩石的真实三维孔隙结构。在其他实施例，可以利用具有更高分辨率的CT对岩心样品进行扫描。
在上述步骤S120中，可以通过对岩心样品的扫描图像进行分析与处理，划分孔隙与颗粒基质，得到扫描图像中的孔隙图像。
在上述步骤S130中，根据所述孔隙图像的轮廓可以得到孔隙网络。类似于后续图4所示的所有二值化图像(只有黑色和白色)的黑色部分代表岩石的孔隙部分，白色部分代表岩石骨架部分，根据轮廓可以提取出来孔隙网络。把所有的二值化图像放入例如AVIZO软件中，可以把所有图堆叠拼成三维的模型，黑色部分为孔隙和吼道，白色部分为岩石骨架，软件也可以调节三维图像两部分的颜色，为了突出孔隙，可把骨架部分调成透明，可把孔隙部分调成明亮的颜色，如后续图5所示。
在上述步骤S150中，主干网络即为优势通道，可以利用多种不同主干网络(优势通道)判定方法判断得到主干网络。所述主干网络的喉道数反映了主干网络的连通性。可以通过分析喉道数比、体积比等判断主干网络。喉道统计信息可以包括分析喉道长度、喉道平均半径等。
在上述步骤S160中，可以根据所述主干网络、所述主干网络的喉道数及所述喉道统计信息是否满足特定条件来评价所述岩心样品的岩石渗流能力。主干网络越明显，喉道数越多，岩石渗流能力越强。
CT(Computed Tomography，电子计算机断层扫描)技术可以无损获取岩石的真实三维孔隙结构，并通过图像分析与处理，划分孔隙与颗粒基质，建立三维孔隙网络模型建立：对分割后图像进行孔隙网络提取，建立孔隙和喉道的三维网络模型；并可以通过特定的软件对建立的三维孔隙网络结构模型进行数学统计分析，具体包括孔隙喉道数分布与孔隙与喉道尺寸分布。得到的孔隙网络结构特征参数需要与岩石的渗流能力进行匹配，以合适地表征岩石的渗流能力。
本实施例中，通过利用微米CT扫描得到岩心样品的扫描图像，并识别出所述扫描图像中的孔隙图像，能够得到真实无损的孔隙和喉道的三维网络模型。通过对所述孔隙和喉道的三维网络模型进行数学统计分析，得到喉道数分布、孔隙尺寸分布及喉道尺寸分布，并根据所述喉道数分布、所述孔隙尺寸分布及所述喉道尺寸分布得到主干网络、主干网络的喉道数以及喉道统计信息，能够实现对孔隙网络结构特征参数与岩石渗流能力的匹配，从而实现准确评价岩石渗流能力。
图2是本发明一实施例中识别出扫描图像中的孔隙图像的方法流程示意图。如图2所示，上述步骤S120，即，识别出所述扫描图像中的孔隙图像，可包括：
步骤S121：对具有灰度的所述扫描图像进行二值化处理；
步骤S122：从二值化处理后的扫描图像中分割辨识出孔隙图像。
CT扫描图像通常为灰度图像，在CT扫描灰度图像中，灰度值反映的是岩石内部物质的相对密度，因此明亮的部分认为是高密度物质，而深黑部分则认为是孔隙结构。其中灰白色均为固体骨架，黑色的小点才为孔隙；而固体骨架部分中偏向于白色的是密度极大的矿物质存在，灰色的则为岩石黏土等。图像二值化就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果。图像的二值化使图像中数据量大为减少，从而能凸显出目标的轮廓。通过对具有灰度的所述扫描图像进行二值化处理能够使得孔隙的轮廓更明显，有利于更准确地从扫描图像中分割辨识出孔隙图像。
一些实施例中，上述步骤S150中，利用所述喉道数分布、所述孔隙尺寸分布及所述喉道尺寸分布进行喉道特征分析，得到喉道统计信息，可包括：利用所述喉道数分布、所述孔隙尺寸分布及所述喉道尺寸分布进行喉道特征分析，将喉道简化为管道模型，并根据管道模型的长度及平均半径分布得到喉道统计信息。
一些实施例中，上述步骤S150中，根据所述喉道数分布、所述孔隙尺寸分布及所述喉道尺寸分布判断得到主干网络和所述主干网络的喉道数，包括：据所述喉道数分布、所述孔隙尺寸分布及所述喉道尺寸分布提取孔隙空间相互连通且体积最大的至少一条连通孔隙(多个相互连通的孔隙构成的优势通道)，形成主干网络，并计算所述主干网络的喉道数。该实施例中，优势通道即为孔隙空间相互连通的孔隙中体积最大的那一部分，同时可以得到优势通道的喉道数。连通孔隙且体积相对较大的是优势通道，可将所有优势通道按照体积大小排序，例如选择体积最大的前6条优势通道，组合起来形成主干网络。对于其他的岩石确定其主干网络需要可根据具体实际情况确定优势通道的条数。
一个实施例中，岩石渗流能力评价方法可包括：
步骤1：岩心样品装入微米CT中扫描，获得扫描图像；
步骤2：CT扫描灰度图进行二值化处理进行图像分割辨识出孔隙；图3是本发明一实施例的CT扫描灰度图。图4是根据图3所示CT扫描灰度图得到的二值化图像。对比图3和图4，可以看出，二值化处理后，孔隙的轮廓更明显了。
步骤3：对分割后图像进行孔隙网络提取，建立孔隙和喉道的三维网络模型；图5是本发明一实施例的提取的孔隙网络。图6是根据图5的孔隙网络建立的孔隙和喉道的三维网络模型。结合图5和图6，可以看出所得三维网络能够真实无损反映岩石中的孔隙网络。
步骤4：对建立的三维孔隙网络结构模型进行数学统计分析，具体包括孔隙喉道数分布与孔隙与喉道尺寸分布；
步骤5：判断主干网络，即优势通道。方法如下：优势通道即为孔隙空间相互连通的孔隙中体积最大的那一部分，同时得到优势通道的喉道数，反映了其连通性；
步骤6：针对所有的孔隙进行喉道特征分析，将喉道简化为管道模型，针对其长度与平均半径分布得到喉道的统计信息，反映岩石局部的渗透特性；
步骤7：结合宏观优势通道特征及微观喉道结构特征评价岩石渗流能力。优势通道明显且连通性好(优势通道喉道数大)，微观喉道平均尺寸(孔径及长度等)大的岩石渗透性好。
本实施例的方法，利用岩石孔隙网络结构快速准确评价岩石的渗流能力。
下面将以一应用实例说明本发明实施例的岩石渗流能力评价方法的功效。
1.三块取自大庆、长庆和新疆的岩心，进行微样本扫描，扫描分辨率为微米级。扫描参数如表1所示：
表1扫描域与分辨率
2.对扫描图像进行重构后，截取中心1200*1200*1800的方形区域，得到长庆、大庆、新疆的岩心微样的三维灰度图像如图7至图9所示。
3.分别对图7至图9所示三维灰度图像进行图像二值化处理，并对结构进行三维可视化，获得长庆、大庆、新疆的岩心的三维孔隙网络模型分别如图10至图12所示。
4.利用主干网络(优势通道)判定方法，获得三块岩心的主干网络及连通喉道数如表2至表4所示。如表2所示，长庆岩心的主干网络及连通喉道数中，喉道数比为25.7％，体积比为42.9％。如表3所示，大庆岩心的主干网络及连通喉道数中，喉道数比为97.1％，体积比为99.5％。如表4所示，新疆岩心的主干网络及连通喉道数中，喉道数比为95.5％，体积比为98.4％。
表2长庆岩心的主干网络及连通喉道数
表3大庆岩心的主干网络及连通喉道数
表4新疆岩心的主干网络及连通喉道数
5.长庆岩心的喉道特征统计分析结果如图13和图14所示，喉道平均长度40μm，平均半径4μm。大庆岩心的喉道特征统计分析结果如图15和图16所示，喉道平均长度140μm，平均半径14μm。新疆岩心的喉道特征统计分析结果如图17和图18所示，喉道平均长度100μm，平均半径11μm。
6.由表2至表4和图13至图18综合分析可知：大庆岩心的优势通道明显且连通性最好(体积占优的喉道数最多)，局部渗流能力最强(喉道平均孔隙最大，平均长度最长，分布均匀)，因此其渗流特性最好；新疆岩心由于非均质性导致优势通道不够明显、连通性不够好，但是局部渗流能力较好，其渗流特性较次；长庆岩心由于致密性导致优势通道不明显、连通性不好，并且局部渗流能力较差，其渗流特性最差。这也与三块岩心的渗透率结果吻合(大庆岩心空气渗透率382mD，新疆岩心空气渗透率46mD，长庆岩心空气渗透率0.156mD)。
基于与图1所示的岩石渗流能力评价方法相同的发明构思，本申请实施例还提供了一种岩石渗流能力评价装置，如下面实施例所述。由于该岩石渗流能力评价装置解决问题的原理与岩石渗流能力评价方法相似，因此该岩石渗流能力评价装置的实施可以参见岩石渗流能力评价方法的实施，重复之处不再赘述。
图19是本发明一实施例的岩石渗流能力评价装置的结构示意图。如图19所示，本实施例的岩石渗流能力评价装置，可包括：图像扫描单元210、图像识别单元220、网络建立单元230、分布统计单元240、信息提取单元250及渗流评价单元260，上述各单元可顺序连接。
图像扫描单元210，用于：利用微米CT扫描岩心样品，得到所述岩心样品的扫描图像；
图像识别单元220，用于：识别出所述扫描图像中的孔隙图像；
网络建立单元230，用于：利用所述孔隙图像进行孔隙网络提取，并利用提取的孔隙网络建立孔隙和喉道的三维网络模型；
分布统计单元240，用于：对所述孔隙和喉道的三维网络模型进行数学统计分析，得到喉道数分布、孔隙尺寸分布及喉道尺寸分布；
信息提取单元250，用于：根据所述喉道数分布、所述孔隙尺寸分布及所述喉道尺寸分布判断得到主干网络和所述主干网络的喉道数；利用所述喉道数分布、所述孔隙尺寸分布及所述喉道尺寸分布进行喉道特征分析，得到喉道统计信息；
渗流评价单元260，用于：结合所述主干网络、所述主干网络的喉道数及所述喉道统计信息评价所述岩心样品的岩石渗流能力。
一些实施例中，所述图像识别单元220，可包括：二值化模块和辨识模块，二者相互连接。二值化模块，用于：对具有灰度的所述扫描图像进行二值化处理；辨识模块，用于：从二值化处理后的扫描图像中分割辨识出孔隙图像。
一些实施例中，所述信息提取单元250，可包括：喉道统计信息提取模块。喉道统计信息提取模块，用于：利用所述喉道数分布、所述孔隙尺寸分布及所述喉道尺寸分布进行喉道特征分析，将喉道简化为管道模型，并根据管道模型的长度及平均半径分布得到喉道统计信息。
一些实施例中，所述信息提取单元250，可包括：主干网络信息提取模块。主干网络信息提取模块，用于：据所述喉道数分布、所述孔隙尺寸分布及所述喉道尺寸分布提取孔隙空间相互连通且体积最大的至少一条连通孔隙，形成主干网络，并计算所述主干网络的喉道数。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述各实施例所述方法的步骤。
本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述各实施例所述方法的步骤。
综上所述，本发明实施例的岩石渗流能力评价方法、岩石渗流能力评价装置、计算机可读存储介质及计算机设备，通过利用微米CT扫描得到岩心样品的扫描图像，并识别出所述扫描图像中的孔隙图像，能够得到真实无损的孔隙和喉道的三维网络模型。通过对所述孔隙和喉道的三维网络模型进行数学统计分析，得到喉道数分布、孔隙尺寸分布及喉道尺寸分布，并根据所述喉道数分布、所述孔隙尺寸分布及所述喉道尺寸分布得到主干网络、主干网络的喉道数以及喉道统计信息，能够实现对孔隙网络结构特征参数与岩石渗流能力的匹配，从而实现快速准确评价岩石渗流能力。
在本说明书的描述中，参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本发明的实施，其中的步骤顺序不作限定，可根据需要作适当调整。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种岩石渗流能力评价方法，其特征在于，包括：
利用微米CT扫描岩心样品，得到所述岩心样品的扫描图像；
识别出所述扫描图像中的孔隙图像；
利用所述孔隙图像进行孔隙网络提取，并利用提取的孔隙网络建立孔隙和喉道的三维网络模型；
对所述孔隙和喉道的三维网络模型进行数学统计分析，得到喉道数分布、孔隙尺寸分布及喉道尺寸分布；
根据所述喉道数分布、所述孔隙尺寸分布及所述喉道尺寸分布判断得到主干网络和所述主干网络的喉道数；利用所述喉道数分布、所述孔隙尺寸分布及所述喉道尺寸分布进行喉道特征分析，得到喉道统计信息；
结合所述主干网络、所述主干网络的喉道数及所述喉道统计信息评价所述岩心样品的岩石渗流能力。
2.如权利要求1所述的岩石渗流能力评价方法，其特征在于，识别出所述扫描图像中的孔隙图像，包括：
对具有灰度的所述扫描图像进行二值化处理；
从二值化处理后的扫描图像中分割辨识出孔隙图像。
3.如权利要求1所述的岩石渗流能力评价方法，其特征在于，利用所述喉道数分布、所述孔隙尺寸分布及所述喉道尺寸分布进行喉道特征分析，得到喉道统计信息，包括：
利用所述喉道数分布、所述孔隙尺寸分布及所述喉道尺寸分布进行喉道特征分析，将喉道简化为管道模型，并根据管道模型的长度及平均半径分布得到喉道统计信息。
4.如权利要求1所述的岩石渗流能力评价方法，其特征在于，根据所述喉道数分布、所述孔隙尺寸分布及所述喉道尺寸分布判断得到主干网络和所述主干网络的喉道数，包括：
据所述喉道数分布、所述孔隙尺寸分布及所述喉道尺寸分布提取孔隙空间相互连通且体积最大的至少一条连通孔隙，形成主干网络，并计算所述主干网络的喉道数。
5.一种岩石渗流能力评价装置，其特征在于，包括：
图像扫描单元，用于：利用微米CT扫描岩心样品，得到所述岩心样品的扫描图像；
图像识别单元，用于：识别出所述扫描图像中的孔隙图像；
网络建立单元，用于：利用所述孔隙图像进行孔隙网络提取，并利用提取的孔隙网络建立孔隙和喉道的三维网络模型；
分布统计单元，用于：对所述孔隙和喉道的三维网络模型进行数学统计分析，得到喉道数分布、孔隙尺寸分布及喉道尺寸分布；
信息提取单元，用于：根据所述喉道数分布、所述孔隙尺寸分布及所述喉道尺寸分布判断得到主干网络和所述主干网络的喉道数；利用所述喉道数分布、所述孔隙尺寸分布及所述喉道尺寸分布进行喉道特征分析，得到喉道统计信息；
渗流评价单元，用于：结合所述主干网络、所述主干网络的喉道数及所述喉道统计信息评价所述岩心样品的岩石渗流能力。
6.如权利要求5所述的岩石渗流能力评价装置，其特征在于，所述图像识别单元，包括：
二值化模块，用于：对具有灰度的所述扫描图像进行二值化处理；
辨识模块，用于：从二值化处理后的扫描图像中分割辨识出孔隙图像。
7.如权利要求5所述的岩石渗流能力评价装置，其特征在于，所述信息提取单元，包括：
喉道统计信息提取模块，用于：利用所述喉道数分布、所述孔隙尺寸分布及所述喉道尺寸分布进行喉道特征分析，将喉道简化为管道模型，并根据管道模型的长度及平均半径分布得到喉道统计信息。
8.如权利要求5所述的岩石渗流能力评价装置，其特征在于，所述信息提取单元，包括：
主干网络信息提取模块，用于：据所述喉道数分布、所述孔隙尺寸分布及所述喉道尺寸分布提取孔隙空间相互连通且体积最大的至少一条连通孔隙，形成主干网络，并计算所述主干网络的喉道数。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至4所述方法的步骤。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至5所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810823530.4A CN109164026A (zh) | 2018-07-25 | 2018-07-25 | 岩石渗流能力评价方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810823530.4A CN109164026A (zh) | 2018-07-25 | 2018-07-25 | 岩石渗流能力评价方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109164026A true CN109164026A (zh) | 2019-01-08 |
Family
ID=64897976
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810823530.4A Pending CN109164026A (zh) | 2018-07-25 | 2018-07-25 | 岩石渗流能力评价方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109164026A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109975336A (zh) * | 2019-04-23 | 2019-07-05 | 西南石油大学 | 一种基于ct扫描的裂缝性岩心窜流系数测量方法 |
| CN109993786A (zh) * | 2019-03-08 | 2019-07-09 | 中国石油大学(北京) | 迂曲度获取方法、装置、设备以及存储介质 |
| CN110126058A (zh) * | 2019-05-20 | 2019-08-16 | 重庆大学 | 一种基于ct可视化和3d打印的岩样制备方法 |
| CN112179815A (zh) * | 2020-09-21 | 2021-01-05 | 西南石油大学 | 一种基于孔隙网络模型的单相非稳态渗流模型建立方法 |
| CN112329187A (zh) * | 2019-07-18 | 2021-02-05 | 中国石油天然气股份有限公司 | 断层封闭性分析方法、装置及系统 |
| CN113155693A (zh) * | 2020-01-07 | 2021-07-23 | 中国石油化工股份有限公司 | 一种孔喉连接关系判别方法、系统、电子设备及存储介质 |
| CN114092489A (zh) * | 2021-11-02 | 2022-02-25 | 清华大学 | 多孔介质渗流通道提取、模型训练方法、装置及设备 |
| CN114609010A (zh) * | 2022-03-02 | 2022-06-10 | 中国石油大学(华东) | 一种页岩储层油水相对渗透率的测定方法及装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2923238A1 (en) * | 2013-09-04 | 2015-03-12 | Ingrain, Inc. | Combining multiple energy x-ray imaging and well data to obtain high-resolution rock, mechanical, and elastic property profiles |
| CN104933760A (zh) * | 2015-06-18 | 2015-09-23 | 中国地质大学（北京） | 一种重构土壤ct图片三维重建及土壤孔隙搜索方法 |
| CN105372168A (zh) * | 2015-12-08 | 2016-03-02 | 清华大学 | 一种混凝土孔隙三维结构的构建方法 |
| CN105806765A (zh) * | 2016-04-13 | 2016-07-27 | 南京大学（苏州）高新技术研究院 | 一种显微ct扫描土体空间孔隙结构的精细化表征方法 |
| CN106525680A (zh) * | 2016-10-10 | 2017-03-22 | 中国石油天然气股份有限公司 | 岩心孔隙度参数场的获取方法 |
| CN106780744A (zh) * | 2016-12-27 | 2017-05-31 | 中国石油天然气集团公司 | 利用不同分辨率ct图像构建多尺度三维数字岩心的方法 |
| CN107449707A (zh) * | 2017-07-03 | 2017-12-08 | 中国石油天然气股份有限公司 | 页岩储层中不同尺度孔隙定量的三维表征确定方法和装置 |
-
2018
- 2018-07-25 CN CN201810823530.4A patent/CN109164026A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2923238A1 (en) * | 2013-09-04 | 2015-03-12 | Ingrain, Inc. | Combining multiple energy x-ray imaging and well data to obtain high-resolution rock, mechanical, and elastic property profiles |
| CN104933760A (zh) * | 2015-06-18 | 2015-09-23 | 中国地质大学（北京） | 一种重构土壤ct图片三维重建及土壤孔隙搜索方法 |
| CN105372168A (zh) * | 2015-12-08 | 2016-03-02 | 清华大学 | 一种混凝土孔隙三维结构的构建方法 |
| CN105806765A (zh) * | 2016-04-13 | 2016-07-27 | 南京大学（苏州）高新技术研究院 | 一种显微ct扫描土体空间孔隙结构的精细化表征方法 |
| CN106525680A (zh) * | 2016-10-10 | 2017-03-22 | 中国石油天然气股份有限公司 | 岩心孔隙度参数场的获取方法 |
| CN106780744A (zh) * | 2016-12-27 | 2017-05-31 | 中国石油天然气集团公司 | 利用不同分辨率ct图像构建多尺度三维数字岩心的方法 |
| CN107449707A (zh) * | 2017-07-03 | 2017-12-08 | 中国石油天然气股份有限公司 | 页岩储层中不同尺度孔隙定量的三维表征确定方法和装置 |
Non-Patent Citations (1)
| Title |
|---|
| 苏娜: "低渗气藏微观孔隙结构", 《中国博士学位论文全文数据库 基础科学辑》 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109993786A (zh) * | 2019-03-08 | 2019-07-09 | 中国石油大学(北京) | 迂曲度获取方法、装置、设备以及存储介质 |
| CN109975336A (zh) * | 2019-04-23 | 2019-07-05 | 西南石油大学 | 一种基于ct扫描的裂缝性岩心窜流系数测量方法 |
| CN110126058A (zh) * | 2019-05-20 | 2019-08-16 | 重庆大学 | 一种基于ct可视化和3d打印的岩样制备方法 |
| CN112329187B (zh) * | 2019-07-18 | 2022-10-04 | 中国石油天然气股份有限公司 | 断层封闭性分析方法、装置及系统 |
| CN112329187A (zh) * | 2019-07-18 | 2021-02-05 | 中国石油天然气股份有限公司 | 断层封闭性分析方法、装置及系统 |
| CN113155693A (zh) * | 2020-01-07 | 2021-07-23 | 中国石油化工股份有限公司 | 一种孔喉连接关系判别方法、系统、电子设备及存储介质 |
| CN113155693B (zh) * | 2020-01-07 | 2024-04-02 | 中国石油化工股份有限公司 | 一种孔喉连接关系判别方法、系统、电子设备及存储介质 |
| CN112179815A (zh) * | 2020-09-21 | 2021-01-05 | 西南石油大学 | 一种基于孔隙网络模型的单相非稳态渗流模型建立方法 |
| CN112179815B (zh) * | 2020-09-21 | 2022-04-05 | 西南石油大学 | 一种基于孔隙网络模型的单相非稳态渗流模型建立方法 |
| CN114092489B (zh) * | 2021-11-02 | 2023-08-29 | 清华大学 | 多孔介质渗流通道提取、模型训练方法、装置及设备 |
| CN114092489A (zh) * | 2021-11-02 | 2022-02-25 | 清华大学 | 多孔介质渗流通道提取、模型训练方法、装置及设备 |
| CN114609010A (zh) * | 2022-03-02 | 2022-06-10 | 中国石油大学(华东) | 一种页岩储层油水相对渗透率的测定方法及装置 |
| CN114609010B (zh) * | 2022-03-02 | 2024-02-02 | 中国石油大学(华东) | 一种页岩储层油水相对渗透率的测定方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109164026A (zh) | 岩石渗流能力评价方法及装置 | |
| CN107274417B (zh) | 一种基于机载激光点云聚集关系的单木分割方法 | |
| CN104237103B (zh) | 一种孔隙连通性定量表征方法及装置 | |
| CN106709486A (zh) | 基于深度卷积神经网络的自动车牌识别方法 | |
| CN109978871B (zh) | 融合概率型和确定型纤维束追踪的纤维束筛选方法 | |
| US9652684B2 (en) | Image processing for classification and segmentation of rock samples | |
| CN110135311A (zh) | 一种基于三维岩心扫描图像的孔隙与孔喉识别系统及方法 | |
| CN103247045A (zh) | 一种从多视图中得到人造场景主方向及图像边缘的方法 | |
| CN110502973A (zh) | 一种基于车载激光点云的道路标线自动化提取和识别方法 | |
| CN108399625A (zh) | 一种基于深度卷积生成对抗网络的sar图像定向生成方法 | |
| CN101655913A (zh) | 分形维数的计算机生成图像被动检测方法 | |
| CN109325490A (zh) | 基于深度学习和rpca的太赫兹图像目标识别方法 | |
| CN108109139A (zh) | 基于灰度体元模型的机载lidar三维建筑物检测方法 | |
| CN110909640A (zh) | 水位线的确定方法及装置、存储介质、电子装置 | |
| CN103714574A (zh) | 一种基于gpu加速的海中场景建模与实时交互绘制方法 | |
| CN107945189A (zh) | 一种基于正态分布变换单元的点云平面分割方法 | |
| CN116310882B (zh) | 基于高分辨率遥感影像的林业信息识别方法 | |
| CN104573707A (zh) | 一种基于多特征融合的车牌汉字识别方法 | |
| Hu et al. | A fast and simple method of building detection from LiDAR data based on scan line analysis | |
| CN108074232A (zh) | 一种基于体元分割的机载lidar建筑物检测方法 | |
| CN109241867A (zh) | 采用人工智能算法识别数字岩心图像的方法及装置 | |
| CN110415260A (zh) | 基于字典与bp神经网络的烟雾图像分割与识别方法 | |
| CN105956544B (zh) | 一种基于结构指数特征的遥感影像道路交叉口提取的方法 | |
| CN110766786A (zh) | 基于生成对抗网络的草图到浅浮雕模型生成的方法 | |
| CN111598803B (zh) | 一种基于变分辨率体素格网与稀疏卷积的点云滤波方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190108 |